给定一个查询，我想检查它是否包含给定的子字符串（可以包含多个单词）。但我不想穷举搜索，因为这个子字符串只能开始一个新词。
任何 perl 标准库，这样我就可以得到一些高效的东西而不必重新发明轮子？
谢谢，
【问题讨论】：
标签： string perl standard-library
这听起来是regular expressions 的完美工作：
if($string =~ m/your substring/) {
say "substring found";
} else {
say "nothing found";
}
【讨论】：
can only start a fresh word 条件，这是\b 元字符用于标记单词边界的地方。
也许你会发现内置的index() 适合这项工作。
这是一个非常快速的子串搜索功能（实现了 Boyer-Moore 算法）。
只需通过 perldoc -f index 查看其文档即可。
【讨论】：
index() 施加锚。它可以匹配在一个单词的中间。也许你必须像 jamessan 指出的那样制作一个适当的正则表达式。
您可以使用这种方法：
# init
my $re = join"|", map quotemeta, sort @substrings;
$re = qr/\b(?:$re)/;
# usage
while (<>) {
found($1) if /($re)/;
}
其中found 是找到子字符串后要执行的操作。
【讨论】：
我会做一个散列，键是 9000 个子字符串的第一个单词，值是一个数组，所有子字符串都带有第一个单词。如果许多字符串包含相同的第一个单词，则可以使用前两个单词。
然后对于每个查询，对于每个单词，我会查看该单词是否在哈希中，然后只需要匹配哈希数组中的那些字符串，使用索引函数从字符串中的那个点开始。
假设匹配是稀疏的，这将非常有效。每个单词进行一次哈希查找，并尽可能少地搜索潜在匹配项。
在我写这篇文章时，它让我想起了 Aho-Corasick 搜索。 （请参阅 CPAN 中的 Algorithm::AhoCorasick。）我从未使用过该模块，但该算法花费大量时间从搜索键中构建一个有限状态机，因此查找匹配项非常有效。我不知道 CPAN 实现是否处理字边界问题。
【讨论】：
内置的index 函数是检查字符串是否包含子字符串的最快通用方法。
my $find = 'abc';
my $str = '123 abc xyz';
if (index($str, $find) != -1) {
# process matching $str here
}
如果index 仍然不够快，并且您知道您的子字符串可能在字符串中的哪个位置，您可以使用substr 缩小范围，然后使用eq 进行实际比较：
my $find = 'abc';
my $str = '123 abc xyz';
if (substr($str, 4, 3) eq $find) {
# process matching $str here
}
如果不使用 C，你不会比 Perl 更快。
【讨论】：
study 或文档中提到的其他技术）。